它到底做了什么

Claude 从零设计了一种能"抓住"特定蛋白质的小分子蛋白,这是现代药物起作用的基本方式。

先说清楚这件事的对象。人体内绝大多数疾病过程都由某个蛋白质推动,药物起效的办法通常是造一个东西死死粘在这个蛋白质上,把它关掉、打开,或者往它身上挂个别的东西。这个"粘上去"的过程叫结合,粘上去的那个小蛋白叫 minibinder(迷你结合体,一种被专门设计出来、能紧紧咬住目标蛋白的小型蛋白质)。

从零开始造一个这样的分子,行话叫 de novo 设计——不抄自然界现成的,凭结构算出来。这件事历史上要一个专门做蛋白质工程的科学家花上几个月,反复计算、优化、筛选,一个目标就是几个月。

近几年有专门的机器学习模型能生成蛋白质结构、再给这些候选打分排序,把周期从几个月压到几天到几周。但这些模型不会自己跑,得由懂计算的专家一步步编排:选哪个模型、接哪个模型、参数怎么调、结果怎么筛。Anthropic 这次做的事是把这层编排也交出去——让 Claude 自己去操作那些专业模型。

过去 专家手工设计, 一个靶点几个月 近几年 专业 AI 模型生成设计, 专家逐步编排,几天到几周 这次 Claude 自己调度这些模型, 48 小时无人指导
这次实验新在哪一步:AI 不再是被专家操作的工具,而是操作工具的那一方。三个阶段的耗时均来自原文描述。

人类没插手

整个过程只有一句开场提示,之后 48 小时里人类没给过任何科学或技术指导。

这是这次实验最该被注意的地方。Anthropic 给了 Claude 一段初始提示,然后就放手了:没有再提供任何科学、技术或操作上的指导。人类唯一做的事是批准网络访问请求,以及盯着服务器别崩。

剩下的全是 Claude 自己完成的,包括一个人类操作员要干好几周的活:

  1. 决定在目标蛋白的哪个位置下手
  2. 调度多个专业模型,生成候选结构和氨基酸序列
  3. 把候选丢进多轮计算机模拟优化
  4. 筛掉不新颖、不溶解、造不出来、结合力差的,留下能用的

给它的资源是一台超级计算机的量级:多靶点模式下 48 小时、最多 12,500 个 NVIDIA H100 小时的算力;单靶点模式下每个靶点 24 小时、2,500 H100 小时。它用的那些蛋白质设计和折叠模型全是公开的、这个领域本来就在用的工具,不是 Anthropic 自己的秘密武器。

选位点 决定在目标蛋白哪里下手 生成候选 调度多个结构与序列设计模型 模拟优化 多轮计算机内迭代 筛选 留下新颖、可溶、能表达、能结合的 送湿实验室 外部机构合成并测试 前四步全部由 Claude 自主完成,人类只批准网络访问和盯服务器。
人类操作员要花几周的四个环节,Claude 在一次会话里全跑完了;只有最后一步的实物合成与测试由外部实验室做。流程各环节均来自原文对 Claude 工作内容的描述。

命中率翻了两三倍

行业里设计一批蛋白质结合体通常 10-15% 能真正起作用,Claude 做到了 22.6% 到 35.1%。

衡量这种工作好坏的第一个指标叫命中率(交出去的设计里,真正在实验室测出能结合目标的比例)。设计蛋白质不是写一份就成一份,更像撒网——交 30 个候选,能有几个真的粘上去,这个比例就是成绩。

三组数字,来自同一套实验的三种跑法:

  1. Opus 4.8 同时对付全部 15 个靶点,48 小时,命中率 22.6%
  2. Mythos Preview 同样的多靶点跑法,26.7%
  3. Mythos Preview 改成一次只盯一个靶点、每个靶点单开 24 小时,命中率跳到 35.1%

今天这个行业的典型水平是 10% 到 15%。

单靶点模式明显更强,而这恰好也是人类蛋白质工程师的通常做法——一次专心搞一个。注意力不分散,结果更好,这条规律在 AI 身上同样成立。

命中率(交付设计中真正测出能结合的比例) Mythos 单靶点 每靶点单开 24 小时 35.1% Mythos 多靶点 15 靶点同时跑 48 小时 26.7% Opus 4.8 多靶点 15 靶点同时跑 48 小时 22.6% 行业典型水平 今天蛋白质设计项目的常见区间 10-15%
三种跑法全部高于行业典型水平,一次只盯一个靶点的做法最强。行业基准 10-15% 来自原文;条长按区间中值 12.5% 绘制。

谁来验的货

设计稿交给了两家外部公司在真实验室里做出来测,不是 Anthropic 自己说自己行。

这是判断这条新闻分量的关键。计算机算出来的蛋白质只是一串序列,它在现实里可能根本折叠不成形、可能溶不了、可能压根粘不上。要知道行不行,必须真的把它合成出来,放进湿实验室(科学家动手处理真实化学品和生物样本的实验室,对应纯计算的"干实验室")测。

这一步 Anthropic 交给了两家外部机构——Adaptyv Bio 和 Twist Bioscience,由它们独立生产并测试。这也是为什么这批数据现在才出来:湿实验室验证要好几周。

最终产出是 1,320 个设计,在 15 个靶点中的 14 个上做出了 354 个确认能结合的分子。这个体量本身值得一提:目前公开的两个最大同类数据集——proteinbase.com 和 Overath 等人整理的合集——加起来约是 5,700 个设计里的 770 个结合体,覆盖 40 个靶点。Anthropic 这一次的产出,相当于把公开可用的从零设计蛋白质数据往前推了一大截。

对上人类同场竞技

在 Adaptyv Bio 办过公开比赛的靶点上,Claude 的命中率是全体参赛者的十倍多,最好的一个设计还压过了冠军作品。

抽象的行业平均值不够硬,直接和人比才够。Adaptyv Bio 为一些靶点办过公开的蛋白质设计比赛,有真人参赛、有排名、有公开成绩。

针对 RBX1 这个靶点(一个负责给特定调控蛋白打上"销毁"标记的小蛋白),Mythos Preview 在单靶点模式下命中率 40%,而全体参赛者的命中率是 3.7%。而且它排名第一的那个设计是个高亲和力结合体,表现超过了那场比赛的冠军作品——冠军是从 245 份参赛设计里选出来的。

亲和力衡量的是粘得有多紧。这不是学术指标:粘得紧意味着更小剂量就够,副作用风险更低、生产成本更低。Anthropic 说,至少在 6 个靶点上做出了高亲和力结合体,在至少 4 个靶点上达到或超过了此前公开发表过的最好结果。

为了排除"背题"的可能,他们特意挑了两个新靶点 15-PGDH 和 GDF-8,来自 Adaptyv Bio 最近的比赛——这两个不可能在 Claude 的训练数据里有现成答案。所有靶点上,他们都要求 Claude 自查设计的原创性。

40% Claude 在 RBX1 上的命中率 3.7% 同靶点全体参赛者命中率 14/15 成功设计出结合体的靶点数 354 确认可结合的1320份分子设计
同一场公开比赛、同一个靶点,Claude 的命中率是人类参赛者整体的十倍以上;整场实验 1,320 份设计里有 354 个被实验室确认能结合。

也有它搞不定的

MBP 这个靶点上,90 个设计一个都没成功。

Anthropic 主动列了失败案例,这让整篇的可信度高了不少。

两个难啃的靶点。BBF-14 是一个自然界不存在的蛋白质——它本身就是人从零设计出来的,正因为足够新颖才被当作设计基准。Claude 对它仍然做出了 3 个独立的结合体,三个设计模式各出一个,而且骨架各不相同,不过结合强度只是中等。

MBP(麦芽糖结合蛋白)则完全没成。它是一个又大又柔软的细菌蛋白,表面光滑、亲水,正因为这些特性才好用作实验室试剂——但也意味着结合体几乎无处下手。90 个设计,零个确认结合,只有一个显示出微弱但可重复的信号。

还有一个 Anthropic 自己也没解释清楚的现象:TNFα 这个靶点上,能力更弱的 Opus 4.8 成功了,更强的 Mythos Preview 反而失败了。TNFα 是免疫系统释放的炎症信号蛋白,阻断它是修美乐等一批史上最赚钱药物的原理;它难在是多聚体结构,结合位点藏在两个蛋白形成的沟里。Opus 4.8 做出了多个结合体,有的还能跨物种起作用,同时结合人、食蟹猴和小鼠的 TNFα——这对做动物实验很关键。

我们不确定为什么 Opus 4.8 在这个靶点上成功了而 Mythos Preview 没有。

照他们的说法,模型能力要整体评估,在蛋白质设计这种复杂度下,一个整体更弱的模型在某些具体地方胜出并不奇怪。

另一件事:23 分钟

同一篇报告里的第二个实验,Claude Opus 5 在 23 分钟内做完了化学家通常要花半小时到一小时手工做的分析。

这个实验用的是人人都能用的 Opus 5,不是受限的 Mythos。做的事完全不同:不是设计新分子,而是解读已经做出来的分子的检测数据。

化学家每合成一个化合物,都得回答两个问题:它真是我想要的那个东西吗?有多纯?回答第一个问题靠 NMR(核磁共振谱,给出一串峰,每个峰对应分子里的一个或一组氢原子;峰的位置说明这个氢挨着什么,峰的大小说明它代表几个氢);回答第二个靠 LC-MS(液相色谱-质谱联用,先把样品分成一个个成分,再量各成分有多少、分子量是多少)。

仪器跑一次只要几分钟——常规氢谱两三分钟,LC-MS 大约十分钟。耗时的是读数据:化学家得把谱图上每一个峰,手工对应到分子结构上的某个原子。

Anthropic 给 Claude 的只有一家外包实验室的原始文件和一句两行的提示,没有厂商专用软件,没有操作员。NMR 和 LC-MS 两路并行,分别用 23 分钟和 19 分钟交出了成品。结论和实验室自己的分析对上了:每个峰的氢原子数和实验室的差距在 0.08 个氢以内,纯度算出 96.4%,实验室是 96.33%。

从拿到数据到交出完整报告 外包实验室 4 天 第一次测谱到完整报告送达 Claude Opus 5 25 分钟 NMR 23 分钟、LC-MS 19 分钟,两路并行
同一份样品、同样的原始文件,完整报告的交付时间差了约 230 倍。两个数字均来自原文;4 天已换算为 5,760 分钟以便对比条长。

它像化学家一样想问题

Claude 不只是算得快,它主动提出了一个后续实验——而实验室独立地做了同一个。

这一段比 23 分钟更值得看。

NMR 那一路,Claude 把原始数据转成校准好的谱图和一张 18 个峰的表,每个峰标了氢原子数。然后它做了一件化学家会做的事:把其中 4 个宽峰标记出来,判断这些氢很可能连在氮或氧上。接着它提出标准检验——往样品里加重水,这类氢会被换掉,峰因此变小或消失。那家实验室在第一次测量三天后,独立地跑了同一个检验。

拿到重水实验的原始文件后,Claude 量化了数据变化,并且抓住并纠正了自己的一个错误:第一遍它报告 4 个标记峰全消失了,自查时发现实际只消失了 2 个。最终结论和实验室操作员一致。

LC-MS 那一路更硬。仪器文件用的是厂商未公开的私有格式。Claude 自己破解了编码方式,然后先复现出仪器自己记录的全部 2,664 次扫描的汇总值,确认文件读对了,才开始分析。交付物包括分离曲线、质谱和紫外谱、纯度表、分子量,外加一份能重复使用的读文件代码,以及它自己列的一份注意事项——比如它指出这类仪器给出的质量只精确到整数位。

对照的人工流程:实验室记录显示每张 NMR 谱手工处理约 2 分钟,但 LC-MS 报告要在样品上机约 2 小时后才出来,完整报告是在第一次测谱的四天后到的。这个延迟在业内算正常——实验室一次只能处理一个分子,中间还会插进别的活。

✓ 这个对比说明了什么 AI 能在一次会话里从原始文件直接 跑到成品报告,不需要专用软件和 操作员 ✕ 它没有说明什么 化学家动手要 4 天。实验室每张谱 实际处理约 2 分钟,其余是排队
230 倍的差距主要来自等待,不是人手慢。实验室每张 NMR 谱的动手处理约 2 分钟这一数字,来自原文引用的实验室自己的记录。

该怎么看这件事

这是真实验室验证过的真突破,但它只完成了造药的第一步,而且最强的那个能力普通人拿不到。

先认可硬的部分。外部实验室独立验证、失败案例主动公开、原始数据和提示词全部开源——这套做法比多数厂商发布严格得多,这些数字不是内部演示。

但边界同样清楚,而且 Anthropic 自己写了出来:蛋白质 minibinder 并不是一种标准的药物形态。即便对单抗、小分子这些常规药物形态,设计出一个高亲和力的结合体也只是做出一个类药分子的第一步。从这里到一款能上市的药,还隔着成药性、安全性、动物实验、临床试验、监管审批。Anthropic 自己也承认,加速整个药物开发链条,很多环节卡在政策和运营上,而不是科学能力。

还有一层现实的限制:创造这些成绩的 Mythos Preview 和 Opus 4.8,普通人用不了。蛋白质设计能力在 Claude Fable 5 上是被封禁的,理由是双重用途——同一套能力如果没有足够的安全措施,也可能被用来做生物武器研究。Anthropic 说正在筹备面向科学家的访问计划。

所以这篇报告真正说明的,是能力的位置变了:编排专业模型这件事,过去需要一个懂计算的专家,现在一段提示词加上足够的算力就能跑。变的不是谁能造药,是造药的某个环节需要的人变少了。